1200字范文 > Win10下 NIVIDIA（CUDA+CUDNN）+Anaconda安装PyTorch(GPU版)

Win10下 NIVIDIA（CUDA+CUDNN）+Anaconda安装PyTorch(GPU版)

时间：2021-01-30 06:29:03

文章目录

0. 前言1. 电脑配置2. 安装NVIDIA显卡驱动2.1 查看显卡型号及驱动程序版本号2.2 下载NVIDIA驱动程序3. 使用NVIDIA显卡4. 安装CUDA4.1 下载4.2 安装4.3 验证5. 安装CUDNN5.1 下载5.2 解压复制5.3 添加系统变量6. Anaconda安装Pytorch(GPU版)6.1 Anaconda 下载网址6.2 打开Anacoda3下的Anacoda Prompt6.3 创建pytorch_gpu环境6.4 查看pytorch_gpu环境是否创建成功6.5 激活pytorch_gpu环境6.6 安装pytorch_gpu6.7 测试pytorch_gpu是否安装成功7. PyCharm使用pytorch_gpu环境结语参考链接

0. 前言

还是那门选修课《神经网络与深度学习》，需要做实验，搜到大神给出的源码用的Pytorch深度学习框架。搜了一下安装步骤，碰巧自己电脑有NVIDIA显卡，就配置了一下。

上手Pytorch的原因很简单，菜！如果会用TensorFlow自行配置神经网络，也就不会写这篇博客了。

如果大家觉得TensorFlow更适合自己，可以参考上一篇博客的安装步骤：

Anaconda + Python+TensorFlow(CPU)安装+Jupyter Notebook/PyCharm使用

用过Anaconda安装TensorFlow后，再用Anaconda安装Pytorch(GPU版)就比较顺手了，遇到的坑比较少。

特此记录，方便自己日后再有配置需要，更希望方便各位有需要同学~

1. 电脑配置

i7 + WIN10 64位 + NVIDIA GeForce GTX 1650

如果你的电脑不是NVIDIA显卡，则无需安装NVIDIA 显卡驱动、安装CUDA和安装CUDNN这三步，直接安装对应的Pytorch GPU版或CPU版（没有显卡的装CPU版）

因为CUDA和CUDNN都是针对NVIDIA显卡的。

原因见参考链接1.

CUDA(Compute Unified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。

NVIDIA CUDNN是用于深度神经网络的GPU加速库。

2. 安装NVIDIA显卡驱动

默认已安装。

2.1 查看显卡型号及驱动程序版本号

鼠标右击点击此电脑，点击属性按钮，

点击页面左边设备管理器选项。

找到并展开显示适配器，会出现显卡的信息（我的为NVIDIA GeForce GTX 1650）

右击显卡，点击属性按钮，在驱动程序选项卡会显示当前显卡的驱动程序版本（我的为26.21.14.4223）

2.2 下载NVIDIA驱动程序

见参考链接2.

/Download/index.aspx?lang=cn

3. 使用NVIDIA显卡

见参考链接2.

电脑桌面空白处右键打开NIVIDIA控制面板

选择3D设置下的管理3D设置，

全局设置中选择高性能NVIDIA处理器

点击应用即可

4. 安装CUDA

见参考链接2、3.

4.1 下载

CUDA下载链接：/cuda-toolkit-archive

选择对应的WIN10本地版，下载即可

特别需要注意：尽量不要安装~~CUDA Toolkit 10.2~~

官网无对应CUDA 10.2 的CUDNN

官网对应最高版本的CUDNN为：

cuDNN v7.6.4 (September 27, ), for CUDA 10.1

建议大家可以安装CUDA 10.1

我当时安到这一步没遇到后边CUDNN的问题，所以安装的是Cuda 10.2.89。

4.2 安装

双击打开显示临时解压目录，不需要改变，默认即可

进入NVIDIA安装过程，安装选项选择：自定义

只安装CUDA选项下的除Visual Studio Integration的所有组件

之后如有需要在Visual Studio里使用CUDA再搜索其他解决方案

至于CUDA的安装目录，大家默认安装在C盘即可

4.3 验证

打开cmd,输入：nvcc -V

输出：

nvcc: NVIDIA (R) Cuda compiler driverCopyright (c) - NVIDIA CorporationBuilt on Wed_Oct_23_19:32:27_Pacific_Daylight_Time_Cuda compilation tools, release 10.2, V10.2.89

5. 安装CUDNN

见参考链接2、3.

5.1 下载

CUDNN下载链接：/rdp/cudnn-archive#a-collapse51b

选择对应CUDA版本下的CUDNN Library for Windows 10

例如，如果你安装的CUDA 10.1，则下载cuDNN v7.6.4 (September 27, ), for CUDA 10.1

由于前边我安装的CUDA10.2，所以我又花钱下载网友上传的

cudnn-10.2-windows10-x64-v7.6.5.32

下载CUDNN需要注册，我没成功，这也是我需要花冤枉钱的原因。

注意：大家如果注册不成功，据说密码需要数字、小写字母和大写字母的组合，再换个浏览器或者网络多试几次吧，不行再寻求他法。

5.2 解压复制

解压后内容如下：

将CUDNN压缩包里面的bin、clude、lib文件直接复制到CUDA的安装目录下，直接覆盖安装即可。

5.3 添加系统变量

添加系统变量，路径如下：

6. Anaconda安装Pytorch(GPU版)

见参考链接2、3、4.

用过Anaconda安装TensorFlow后，再用Anaconda安装Pytorch(GPU版)就比较顺手了。

Anaconda安装TensorFlow(CPU)的安装步骤请见：

Anaconda + Python+TensorFlow(CPU)安装+Jupyter Notebook/PyCharm使用

6.1 Anaconda 下载网址

/distribution/#download-section

6.2 打开Anacoda3下的Anacoda Prompt

6.3 创建pytorch_gpu环境

创建一个python版本为3.6的名为pytorch_gpu的环境

conda create --name pytorch_gpu python=3.6

6.4 查看pytorch_gpu环境是否创建成功

查看除了base，是否多了一行：pytorch_gpu开头环境名及对应的位置。如果有，则表示pytorch环境创建成功。

（base这行前边带*表示该环境已被激活）

conda info --envs

或者直接去D:\Anaconda3\envs目录下看是否有pytorch_gpu文件夹（我将Anaconda安装到D盘）。

6.5 激活pytorch_gpu环境

activate pytorch_gpu

此时光标闪烁之前为(pytorch_gpu) C:\Users\Shaw Li>，表示进入pytorch_gpu环境。

若再输入conda info --envs，则pytorch_gpu这行前边带*，表示pytorch_gpu已被激活。

如果想退出当前环境，则输入

deactivate

光标闪烁之前的(pytorch_gpu)也会消失

注：后续操作都是在此环境下进行。

如果配置好之后，运行某些代码调用某个库报错时，很可能是该环境下未安装该库。

可激活进入该环境后，conda install对应的库。

6.6 安装pytorch_gpu

PYTORCH_GPU下载链接：/get-started/locally/

由于我安装的是CUDA 10.2,所以我的安装指令为：

conda install pytorch torchvision cudatoolkit=10.2 -c pytorch

默认pytorch官网为下载源，下载速度太慢，很容易报错，所以更改为清华大学镜像，

命令行输入下面的命令：

# 添加Anaconda的清华镜像conda config --add channels https://mirrors.tuna./anaconda/cloud/msys2/conda config --add channels https://mirrors.tuna./anaconda/cloud/conda-forge/conda config --add channels https://mirrors.tuna./anaconda/cloud/pytorch/# 设置搜索时显示通道地址config --set show_channel_urls yes conda install pytorch torchvision cudatoolkit=10.2

注：当时试了几次就装上了，具体用的哪个已经有点忘记了，不好意思。